[논문 리뷰] 2DMatPedia: An open computational database of two-dimensional materials from top-down and bottom-up approaches

Jun Zhou, Lei Shen외 7명|arXiv (Cornell University)|2019. 01. 28.

2D Materials and Applications참고 문헌 1인용 수 15

한 줄 요약

2DMatPedia는 상판 분리법으로부터 유도된 다층 물질의 분리 및 하판 합성법을 통한 화학적 치환을 통해 유도된 6,000개 이상의 이차원(2D) 물질을 포함하는 개방형 계산 기반 데이터베이스를 제공한다. 본 연구는 밀도함수이론을 사용하여 구조적, 전자적, 에너제틱 성질을 체계적으로 계산함으로써 대규모 걸러내기 및 인공지능 기반의 功能성 2D 물질 발견을 가능하게 한다.

ABSTRACT

Two-dimensional (2D) materials have been a hot research topic in the last decade, due to novel fundamental physics in the reduced dimension and appealing applications. Systematic discovery of functional 2D materials has been the focus of many studies. Here, we present a large dataset of 2D materials, with more than 6,000 monolayer structures, obtained from both top-down and bottom-up discovery procedures. First, we screened all bulk materials in the database of Materials Project for layered structures by a topology-based algorithm, and theoretically exfoliate them into monolayers. Then, we generated new 2D materials by chemical substitution of elements in known 2D materials by others from the same group in the periodic table. The structural, electronic and energetic properties of these 2D materials are consistently calculated, to provide a starting point for further material screening, data mining, data analysis and artificial intelligence applications. We present the details of computational methodology, data record and technical validation of our publicly available data (http://www.2dmatpedia.org/).

연구 동기 및 목표

• 포괄적이고 개방형 계산 기반 데이터베이스를 통해 功能성 이차원 물질의 발견을 가속화하기 위해.
• 다양한 합성 경로에서 유도된 대규모이고 일관된 데이터셋을 생성하여 2D 물질에 대한 체계적 데이터 부족 문제를 해결하기 위해.
• 2D 물질 연구 분야에서 고속 걸러내기, 데이터 마이닝, 기계학습 응용을 위한 통합 플랫폼을 제공하기 위해.
• 기존의 2D 물질의 화학적 공간을 확장하기 위해 상판 분리 및 하판 치환 전략을 통합하기 위해.

제안 방법

• 구조적 위상 기반 알고리즘이 Materials Project 데이터베이스 내에서 层상 구조를 식별하여 상판 단일층 분리에 활용한다.
• 컴퓨터 기반 분리 프로토콜을 사용하여 자연적인 균열 평면을 따라 다층 물질을 분리함으로써 단일층을 생성한다.
• 기존의 2D 물질의 원소를 주기율표에서 같은 그룹에 속하는 다른 원소로 치환함으로써 하판 합성 물질을 생성한다.
• 모든 구조물이 일관된 밀도함수이론(DFT) 계산을 거쳐 구조적, 전자적, 에너제틱 성질을 결정한다.
• 기술적 점검을 통해 데이터셋을 검증하고 재현성과 재사용을 위해 영구 URL을 통해 공개한다.
• 기계학습, 물질 걸러내기, 성질 예측 등의 후속 응용을 지원하도록 데이터베이스를 설계하였다.

실험 결과

연구 질문

• RQ1 위상 기반 분리법을 사용하여 다층 물질에서 체계적으로 유도할 수 있는 안정적인 단일층 2D 물질의 범위는 어느 정도인가?
• RQ2 주기율표의 같은 그룹 내에서의 화학적 치환이 새로운 안정적인 2D 물질을 생성하는 데 얼마나 효과적인가?
• RQ3 다양한 화학 조성에서 유도된 2D 물질의 구조적 및 전자적 성질은 무엇인가?
• RQ4 통합적이고 고속의 계산 파이프라인은 안정적이고 일관된 대규모 2D 물질 데이터셋을 신뢰성 있게 생성하고 검증할 수 있는가?
• RQ5 이러한 데이터셋은 2D 물질 과학 분야에서 확장 가능한 걸러내기 및 인공지능 기반 발견을 어떻게 가능하게 하는가?

주요 결과

• 데이터베이스에는 상판 및 하판 합성 접근법을 통해 유도된 6,000개 이상의 단일층 2D 물질이 포함되어 있다.
• 모든 구조물에 대해 체계적인 DFT 계산을 수행하여 격자 상수, 형성 에너지, 밴드 구조, 전자적 성질에 대한 일관되고 신뢰할 수 있는 데이터를 확보하였다.
• 상판 접근법은 위상 기반 균열 알고리즘을 사용하여 Materials Project 데이터베이스에서 层상 물질을 성공적으로 식별하고 분리하였다.
• 하판 접근법은 기존의 2D 시스템 내 원소를 동일한 주기율표 그룹에 속한 화학적으로 유사한 원소로 치환하여 새로운 2D 물질을 생성하였다.
• 데이터셋은 공개 가능하고 검증되었으며, 재현성과 인공지능 및 데이터 기반 물질 발견 워크플로우에의 통합을 지원한다.
• 본 연구는 알려진 화합물 이외의 2D 물질에 대한 체계적인 탐색을 위한 확장 가능한 개방형 프레임워크를 수립하였다.